清濁音分離抗噪的語音識別算法的研究

摘 要

針對噪音環境下，語音識別率嚴重下降，根據清濁音發音原理的不同，提出一種清濁音分離抗噪的語音識別算法。實驗結果表明，該方法能在噪音環境下明顯提高語音識別率。

【關鍵詞】語音識別 清音 濁音 高斯模型 超高斯模型

語音識別技術就是讓機器接收，識別和理解語音信號，并將其轉換成相應數字信號的技術。1956年，普林斯頓大學RCA實驗室成功運用模擬電路將識別語音與模板語音進行對比（運算），從而開發出單音節識別系統。1959年，英國的Fry和Denes等人共同開發出一個改進的語音識別器，它能識別出9個輔音和4個元音，同時他們還制定了一些與音素序列有關的規則，這標志著人類開始對語音中元音和輔音的分別研究。上個世紀八十年代，一種由馬爾可夫鏈演變而來，并用參數表示的用于描述隨機過程統計特性的概率模型得到了空前的發展，目前大部分語音識別系統都是以它作為基本框架來建模，這便是隱馬爾可夫模型（Hidden Markov Model，HMM）。該模型能在安靜環境中或某種特定噪音環境中，取得很好的識別效果。但對于復雜的噪音環境，識別率下降顯著。針對這一弊端，本文提出一種清濁音分離抗噪的語音識別算法，它將清音和濁音進行分離，并針對各自不同的特點分別進行處理。實驗結果表明，該方法能有效降低噪音，提高噪音環境下的語音識別率，具有很高的實用性。

1 語音的聲學原理

用數字技術來描述產生模擬信號的語音，這一過程稱為語音信號的聲學模型。根據發音原理的不同，語音信號分為清音和濁音。清音是發音時聲帶不振動而與空氣摩擦產生的音。當氣流通過聲門時，如果聲道中某處面積很小，氣流高速沖過此處時產生湍流，當氣流速度與橫截面積之比大于某個臨界速度便產生摩擦音即清音。將發音時聲帶振動而產生的音稱為濁音，人平時說話以濁音居多。清音由白噪聲序列激勵一個線性系統而產生，這個線性系統僅由激勵源和輻射模型級聯而成。濁音的產生原理則不一樣，它是由一個周期性的δ脈沖串激勵一個線性系統而產生的輸出，該線性系統由激勵源、聲道模型和輻射模型級聯而成。清音和濁音的產生過程如圖1所示。

其中，系數Av和Au分別用來調節濁音和清音的幅度和能量。

3 實驗結果

實驗中，加入一個白噪聲序列，將普通算法，高斯模型抗噪算法與超高斯模型抗噪算法三者進行測試，分別識別不同語音，得到識別率如表1所示。

由表1可知，在白噪音的環境下，普通算法識別率非常低，不能滿足要求。而高斯模型抗噪算法，識別率明顯上升，能滿足一些要求不高的場合。超高斯模型抗噪算法識別率最高，能基本滿足實際需要。且三種算法，隨著識別語音總量的增加，其識別率都有所下降。

4 結束語

語音信號按照其發音原理的不同，可分為清音和濁音，清音靠與空氣摩擦發音，濁音靠聲帶振動發音，各自也具有不同的聲學模型。在帶噪音干擾語音識別中，超高斯分布模型考慮到語音信號自身的分布特點，以及人耳對不同頻譜相位的敏感度不同，更加真實地反映出語音頻譜的參數分布，提高了噪音下的語音識別率。但仍然忽略掉一些高階多項式，而這些多項式在特定場合下是需要考慮的，這正是今后需要進一步研究的。

參考文獻

[1]李云.基于HMM的語音分組識別系統的研究[D].廣州：廣東工業大學，2013：1-3.

[2]李云.語音分組識別技術的研究[J].廣東工業大學學報，2014，31（02）：1-4.

[3]李云.快速語音識別算法的研究[J].信息技術，2017，17（02）：27-28.

[4]何勇軍.語音識別中寬帶失配的補償研究[J].計算機學報，2011，34（09）：1629-1637.

[5]嚴斌峰.語音識別確認中的置信特征和判定算法[J].軟件學報，2006，17（12）：2547-2553.

[6]袁勝龍.基于深層神經網絡的藏語識別[J].模式識別與人工智能，2015，28（03）：209-213.

[7]楊淑瑩.基于免疫貓群優化算法的矢量量化的碼書設計及語音識別[J].模式識別與人工智能，2014，27（07）：577-583.

[8]崔金鐘.基于DHMM的嵌入式語音識別系統的實現與優化[J].電子科技大學學報，2013，42（06）：930-934.

[9]劉曉峰.Logistic核函數及其在語音識別中的應用[J].華南理工大學學報（自然科學版），2015，43（05）：100-106.

[10]王憲亮.基于SVM一對一分類的語種識別方法[J].清華大學學報（自然科學版），2013，53（06）：808-812.

[11]Zhang Rui.Facilitating the applications of support vector machine by using a new kernel[J]. Expert Systems with Applications，2011，38（11）：14225-14230.

[12]王國勝.核函數的性質及其構造方法[J].計算機科學，2006，33（06）：172-174.

[13]Du pei-jun.Wavelet SVM in reproducing kernel Hilbert space for hyperspectral remote sensing image classification[J].Optics Communications，2010，283（24）：4978-4984.

[14]李冠宇.藏語拉薩話大詞表連續語音識別聲學模型研究[J].計算機工程，2012，38（05）：189-191.

[15]Hinton G E. A Fast Learning Algorithm forDeep Belief Nets.Neural Computation[J].2006，18（07）：1527-1554.

作者簡介

李云（1984-），男，四川省廣漢市人。碩士學位。助教。2013年6月畢業于廣東工業大學，現在四川信息職業技術學院擔任教師工作。主要研究方向為語音識別，從事語音識別算法研究及語音識別產品開發。

作者單位

四川信息職業技術學院 四川省廣元市 628000endprint